اینم نتیجه قرعه کشی اول

نظر اقا بنیامین عزیز اینه شما چی فکر می کنید

نظر اقا امیر محمد عزیز جالب بود نظر شما چیه؟

سلام استاد طبق ردیف ۱و۸ هر دو بازی با ۳ شباهت و فقط تفاوت تو دما لغو شدن که نشون میده تو هوای بارونی دما گرم یا ملایم باشه مهم نیست و تاثیر نداره طبق ردیف ۱و۲هر دو بازی با ۳ شباهت و فقط تفاوت تو آسمون بادی لغو شدن که نشون میده آسمون بادی یا بدون باد تو هوای بارونی تو برگزار شدن مسابقه تاثیر گذار نیست. طبق ردیف ۸ و۱۱ هر دو بازی با ۲ شباهت و ۲ تفاوت تو آسمون بادی و دما لغو شدن که از قبل فهمیدیم که اسمون بادی باشه تو هوای بارونی یا نه فرقی نداره و تاثیری نداره ولی رطوب بالا تو هوای بارونی باعث لغو بازی و رطوبت معمولی باعث ادامه بازی شده که نشون میده تو هوای بارونی رطوبت تو برگزار شدن مسابقه تاثیر گذاره حالا اگه اگر فردا هوا بارونی و گرم و رطوبت معمولی داشته باشه و باد هم داشته باشیم: فهمیدیم اگه باد باشه یا نه تو هوای بارونی تاثیری تو برگزاری نداره و فهمیدیم دما گرم یا ملایم باشه تاثیری تو برگزاری نداره و فهمیدم رطوبت بالا تو هوای بارونی و دما ملایمی که گفتیم تاثیر نداره(ردیف ۸) باعث لغو بازی شده و در ردیف ۱و۲ هم به دلیل با تأثیر نبودن آسمون بادی یا دما اونجا هم به پلیلع رطوبت بالا لغو شده پس این مسابقه هم لغو میشه.

اینم جواب یکی دیگه از دوستان که بازم در نوع خودش جالب بود

البته بقیه دوستان هم تحلیل هایی داشتن که شباهت همه تحلیل ها به هم در این بود که سعی کردن ببینند در گذشته چه حالتهایی شبیه ترین هستند به حالت احتمالی فردا 📕در حقیقت یکی از روش های یادگیری ماشین که به مقایسه کا-نزدیکترین-همسایه یا الگوریتم knn k nearest neighbour مشهور است از همین بینش استفاده می کنه بطور خلاصه در knn 👈اطلاعات را از کوچک به بزرگ مرتب کرده 👈و بعد داده جدید را درون داده های قبلی جایابی می کنند 👈 و بعد تعداد k تا از نزدیکترین همسایه های ان را بررسی می کنند و می گویند در بین این k همسایه چند بار بازی انجام شده و چند بار لغو شده و ان که تعدادش بیشتر هست را به عنوان نتیجه معرفی می کنند

البته الگوریتم knn نکات و ظرایفی دارد که فعلا هدف ما در این آموزش نیست مثلا در knn تعداد همسایه هایی که باید بررسی شود ان چیزی هست که ماشین باید یادبگیرد و اینکه چطور یادبگیرد یک جلسه اموزش نیاز دارد که بعدا خواهم گفت . فعلا می خواهم یک منطق دیگری را در مواجهه با این نوع داده ها بهتون معرفی کنم منطق درخت تصمیم Decision tree درخت تصمیم خود یکی از روش های یادگیری ماشین هست که بعدا مقدمه منطق جنگل های تصادفی random forest خواهد شد.

وقتی هوا ابری بوده همیشه بازی انجام شده

ما دنبال منطقی می‌گردیم‌که وقتی ان را دست هر کسی بدهیم به راحتی بتواند به کمک ان نتیجه را پیش بینی کند این منطق را در ادامه با هم استخراج می کنیم

حالا روزهای بارانی رو‌ببینید وقتی رطوبت بالا بوده باز لغو شده

خوب بذارید درخت را از همینجا شروع کنیم به ساختنش